NWT-pytorch 是视频领域的开源项目，由 lucidrains 开发，2021 年首次发布。
它收录于视频分类，该分类目前共有 473 个项目，GitHub 星标数为 92。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2025-10-15。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：学术研究：音频驱动视频生成的算法验证与对比。同类可对比的替代方案包括 Wav2Lip、Speech2Vid、MakeItTalk。
NWT-pytorch
用音频驱动生成同步视频，快速上手跨模态生成
NWT-pytorch 是 NWT（Neural Waveform Transform）模型的非官方 PyTorch 实现，专注于音频到视频的生成任务。该项目旨在将音频信号（如语音、音乐）作为输入，生成与之同步的逼真视频帧，解决跨模态内容生成中的音画同步问题。核心能力包括：基于深度学习的音频特征提取与视频帧生成、时序对齐机制，以及端到端的训练与推理流程。项目代码结构清晰，提供了模型定义、训练脚本和示例，便于研究者复现和二次开发。目前项目处于早期阶段，星标数较少，但为音频驱动视频生成领域提供了一个可用的 PyTorch 参考实现。
开源
free
视频生成
GitHub 星标
★ 92
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队lucidrains
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型artificial-intelligence,audio,deep-learning,video-generation
GitHub 星标★ 92
30天Star增速
HF 下载量
上线时间2021-06-09 00:00:00
最近更新2025-10-15 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 提供完整的 PyTorch 实现，代码结构清晰，易于阅读和修改
- 专注于音频到视频生成，解决音画同步这一具体场景问题
- 包含训练和推理脚本，适合作为研究基线或二次开发起点
不足之处
- 文档/社区待观察
- 项目处于早期阶段，功能可能不完整，依赖配置需自行摸索
适用场景
- 学术研究：音频驱动视频生成的算法验证与对比
- 创意内容制作：根据音乐或语音自动生成视觉画面
- 多模态学习：探索音频与视频特征对齐的技术方案
替代项目
Wav2Lip、Speech2Vid、MakeItTalk
项目介绍
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
MagicDance
开源
一张图+任意动作，生成身份不变的逼真人物视频
[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···